Conform Playtech.ro: Gemini 3.5 Transcribe revoluționează transcrierea audio

Google a lansat Gemini 3.5 Transcribe, o nouă tehnologie de inteligență artificială concepută pentru a înțelege și procesa limba vorbită cu o precizie remarcabilă, inclusiv corectarea automată a bâlbâielilor și eliminarea cuvintelor de umplutură. Noul model se distinge prin capacitatea sa de a gestiona fluid ezitările și corectările naturale din discurs, precum și prin eliminarea expresiilor de genul „ăă” sau „mmm”, dacă acestea nu contribuie la sensul final.

Procesare avansată a limbajului natural

Unul dintre aspectele cele mai lăudate ale Gemini 3.5 Transcribe este modul în care interpretează corectările verbale. Dacă un vorbitor se răzgândește, spunând de exemplu „ne întâlnim marți, nu, miercuri”, sistemul este capabil să identifice corectarea și să genereze textul final într-o formă coerentă, fără a păstra ambiguitățile sau ezitările inițiale. Această funcționalitate, descrisă de 9to5Google, aduce un plus de naturalețe și eficiență procesului de transcriere.

Modelul dispune, de asemenea, de capacitatea de a organiza automat textul transcris și permite modificări ulterioare prin comenzi vocale simple și intuitive. Google susține că Gemini 3.5 Transcribe atinge o rată medie de eroare de 4% pentru transcrierea în timp real și de 2,6% pentru audio-ul procesat fără constrângeri de streaming, conform datelor de la Artificial Analysis. Capacitatea de a recunoaște vocabular personalizat, incluzând nume proprii neobișnuite, termeni tehnici sau coduri alfanumerice, extinde și mai mult utilitatea acestei tehnologii.

Identificarea vorbitorilor și eficiență sporită

Pe lângă abilitățile sale de transcriere individuală, Gemini 3.5 Transcribe poate identifica și diferiți vorbitori dintr-o înregistrare audio preînregistrată, atribuind replicile corecte și adăugând marcaje temporale. În prezent, funcționalitatea permite identificarea a până la trei persoane, suportul pentru un număr mai mare de vorbitori fiind încă în stadiu experimental.

Google subliniază, de asemenea, o reducere semnificativă a timpului necesar pentru obținerea transcrierii finale. În comparație cu modelul anterior, Chirp 3 lansat în 2025, Gemini 3.5 Transcribe este cu aproximativ 70% mai rapid, conform propriilor măsurători ale companiei. Pe benchmark-ul FLEURS, care evaluează performanța multilingvă, Gemini 3.5 Transcribe a înregistrat o rată de eroare de 5,50% în modul streaming și 5,04% în scenariile non-streaming.

Capacitatea de a detecta și transcrie automat peste 85 de limbi, incluzând variații regionale, accente și dialecte, consolidează poziția Gemini 3.5 Transcribe ca un instrument puternic și versatil pe piața globală a inteligenței artificiale.

Sursa: Playtech.ro